UNIVERSIDAD CENTRAL DEL ECUADOR

Integrantes Grupo N
o
5: Edison Jimenez, Danilo Collaguazo, Henry Vivanco, Beto Roca
PROBABILIDADES
ii Grupo Nz 5.
Contents
0.1 . . . . . . . . . . . iv
I CAPITULO 1 v
0.2 INTRODUCCIN . . . . . . . . . . . . . . . . . . . . . . . . . . vii
0.3 Resea Histrica . . . . . . . . . . . . . . . . . . . . . . . . . . . vii
0.3.1 Variaciones . . . . . . . . . . . . . . . . . . . . . . . . . . viii
0.3.2 Permutaciones . . . . . . . . . . . . . . . . . . . . . . . . ix
0.3.3 Combinaciones . . . . . . . . . . . . . . . . . . . . . . . . ix
II CAPITULO 2 xi
0.4 El concepto de Probabilidad . . . . . . . . . . . . . . . . . . . . . xiii
0.5 Algebra de Eventos . . . . . . . . . . . . . . . . . . . . . . . . . . xiii
0.6 Sucesos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . xiv
0.6.1 Suceso elemental: . . . . . . . . . . . . . . . . . . . . . . . xiv
0.6.2 Suceso seguro: . . . . . . . . . . . . . . . . . . . . . . . . xiv
0.6.3 Suceso imposible: . . . . . . . . . . . . . . . . . . . . . . . xiv
0.6.4 Suceso compuesto: . . . . . . . . . . . . . . . . . . . . . . xiv
0.6.5 Suceso compatible: . . . . . . . . . . . . . . . . . . . . . . xiv
0.6.6 Suceso incompatible: . . . . . . . . . . . . . . . . . . . . . xiv
0.7 Denicin de Probabilidad . . . . . . . . . . . . . . . . . . . . . xiv
III ANEXOS xvii
0.8 CONSULTAS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . xix
0.8.1 EL CONCEPTO DE PROBABILIDAD . . . . . . . . . . xix
0.8.2 DEFINICIN DE PROBABILIDAD . . . . . . . . . . . . xix
0.8.3 El lgebra booleana . . . . . . . . . . . . . . . . . . . . . xix
0.8.4 Diagramas de Venn . . . . . . . . . . . . . . . . . . . . . . xxii
0.8.5 Operaciones entre conjuntos . . . . . . . . . . . . . . . . . xxiii
0.8.6 Teorema de la probabilidad total . . . . . . . . . . . . . . xxv
0.8.7 Teorema de Bayes . . . . . . . . . . . . . . . . . . . . . . xxvi
iii
iv CONTENTS
0.8.8 Distribucion De Poisson . . . . . . . . . . . . . . . . . . . xxvii
0.8.9 Teorema de Chebyshev . . . . . . . . . . . . . . . . . . . xxix
0.8.10 La paradoja de Braess . . . . . . . . . . . . . . . . . . . . xxx
0.8.11 Teorema de limite de Laplace . . . . . . . . . . . . . . . . xxxiii
0.8.12 Teorema de Moivre-Laplace . . . . . . . . . . . . . . . . . xxxiv
0.8.13 Error 6 Sigma . . . . . . . . . . . . . . . . . . . . . . . . . xxxv
0.8.14 Variable aleatoria . . . . . . . . . . . . . . . . . . . . . . . xxxv
0.8.15 Alfabeto Griego . . . . . . . . . . . . . . . . . . . . . . . . xxxviii
0.9 Ejercicios 2.5 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . xxxviii
0.9.1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . lv
0.10 Ejercicios 2.8 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . lv
0.10.1 Ejercisio de Probabilidades de geometria: . . . . . . . . . lxii
IV Vocabulario: lxvii
0.11 Probabilidad: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . lxix
0.12 Experimentos: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . lxix
0.13 Aleatorios:
lxix
0.14 Combinatorio: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . lxx
0.15 Interpretacion: . . . . . . . . . . . . . . . . . . . . . . . . . . . . lxx
0.16 Varianza: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . lxx
0.17 Esperanza: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . lxxi
0.18 Variables Cualitativas: . . . . . . . . . . . . . . . . . . . . . . . . lxxi
0.19 Variables cuantitativas . . . . . . . . . . . . . . . . . . . . . . . . lxxii
0.20 Variables independientes . . . . . . . . . . . . . . . . . . . . . . . lxxii
0.21 Variables dependientes . . . . . . . . . . . . . . . . . . . . . . . . lxxii
0.22 Concepto de Probabilidades . . . . . . . . . . . . . . . . . . . . . lxxii
0.23 Regla de la adicin . . . . . . . . . . . . . . . . . . . . . . . . . . lxxiii
0.24 Regla de la multiplicacin . . . . . . . . . . . . . . . . . . . . . . lxxiii
0.1
Part I
CAPITULO 1
v
0.2. INTRODUCCIN vii
0.2 INTRODUCCIN
La probabilidad es una herramienta de ayuda para la toma de decisiones porque
proporciona una forma de medir, expresar y analizar las incertidumbres asoci-
adas con eventos futuros de razones entre el nmero de casos favorables y el
nmero de casos posibles.
Qu es probabilidad? Es una medida numrica de la posibilidad de que
ocurrir un evento en la que sus valores se asignan en una escala de 0 a 1.
En la vida cotidiana aparecen muchas situaciones en las que los resultados
observados son diferentes aunque las condiciones iniciales en las que se produce
la experiencia sean las mismas. Por ejemplo, al lanzar una moneda unas veces
resultar cara y otras cruz.. Estos fenmenos, denominados aleatorios, se ven
afectados por la incertidumbre.
En el lenguaje habitual, frases como "probablemente...", "es poco probable
que...", "hay muchas posibilidades de que..." hacen referencia a esta incertidum-
bre.
La teora de la probabilidad pretende ser una herramienta para modelizar
y tratar con situaciones de este tipo; Por otra parte, cuando aplicamos las tc-
nicas estadsticas a la recogida, anlisis e interpretacin de los datos, la teora
de la probabilidad proporciona una base para evaluar la abilidad de las con-
clusiones alcanzadas y las inferencias realizadas. Debido al importante papel
desempeado por la probabilidad dentro de la estadstica, es necesario famil-
iarizarse con sus elementos bsicos, lo que constituye el objetivo del presente
tema.
0.3 Resea Histrica
No es claro el momento donde puede situarse el origen de la teora de las prob-
abilidades. El primer tratado que se conoce sobre el tema son los escritos del
matemtico italiano Girolamo Cardano (1501-1576) sobre los juegos de azar,
que fueron publicados despus de su muerte bajo el ttulo Liber de Ludo Aleae
(Libro sobre los juegos del azar). Sin embargo, los primeros intentos de cuanti-
cacin de las posibilidades de ocurrencia de sucesos, en forma cientca, datan
de mediados del siglo XVII.
En 1654, los matemticos franceses Blas Pascal y Pierre Fermat discutieron
epistolarmente la idea de evaluar las posibilidades a favor y en contra de algunos
juegos de azar. As aparece la primera denicin de probabilidad: si un evento
puede suceder de p maneras dentro de un conjunto de s formas igualmente
probables, entonces la probabilidad del evento es p/s. En la actualidad es fcil
ver que esta denicin presenta algunas dicultades, una de ellas es que el
concepto de "formas igualmente probables" no puede denirse sin utilizar la
nocin de probabilidad misma, y de esa manera se realiza una denicin circular.
viii
Peor que esa, es el hecho de que muchas veces las formas posibles, s, aparecen
como innitas en nmero, por lo que no es posible evaluar el cociente
Posteriormente, en 1658, Christiaan Huyghens, un joven holands que tuvo
acceso a las cartas que intercambiaron Pascal y Fermat, profundiz las ideas
de ambos sobre la incertidumbre y el azar en una pequea monografa llamada
De Ratiociniis in ludo aleae. (El razonamiento en los juegos del azar). Este
segundo libro sobre la teora de las probabilidades marc el camino sobre el que
se desarrollara esta ciencia.
Algunos aos despus el suizo Jaques Bernouilli (1655-1705) public su libro
Ars Conjectandi (El Arte de las Conjeturas) donde aparecen, por primera vez,
las frmulas y leyes bsicas de la teora de las probabilidades. En la obra de
Bernouilli se presenta por primera vez el inconveniente de que no siempre puede
calcularse la probabilidad de un evento contando casos favorables y desfavor-
ables. Muchas veces uno cuenta con la informacin de lo que ocurri y deben
deducirse las probabilidades correspondientes. Esto
cambia la denicin misma de probabilidad: ahora pasar a representar
la frecuencia esperable con que ocurra un determinado suceso. J. Bernouilli
enuncia la ley de los grandes nmeros que seala que la frecuencia con que
ocurra un evento tiende a la probabilidad cuando el nmero de casos contados
tiende a innito. De esta manera muchas probabilidades pueden determinarse
a posteriori, es decir deducirlas a partir de la observacin de un gran nmero
de casos.
El desarrollo posterior de la teora de las probabilidades est asociado con el
nombre del matemtico francs Marqus Pierre-Simon de Laplace (1749-1827),
que en 1975 publica su Essai philosophique sur les probabilits (Ensayo Filosco
sobre las Probabilidades). En l comenta que el origen del azar en un sistema
fsico proviene de la ignorancia que tenemos de todos los factores que inuyen
en un fenmeno dado:
Todos los acontecimientos, incluso aquellos que por su insignicancia parecen
no atenerse a las grandes leyes de la naturaleza, no son sino una secuencia tan
necesaria como las revoluciones del sol. Al ignorar los lazos que los unen al
sistema total del universo, se los ha hecho depender de causas nales o del azar,
segn que ocurrieran o que sucedieran con regularidad o sin orden aparente, pero
estas causas imaginarias han ido siendo descartadas a medida que se han ido
ampliando las fronteras de nuestro conocimiento, y desaparecen por completo
ante la sana losofa que no ve en ellas ms que la expresin de nuestra ignorancia
de las verdaderas
0.3.1 Variaciones
Se llama variaciones ordinarias de m elementos tomados de n en n (m n) a
los distintos grupos formados por n elementos de forma que:
* No entran todos los elementos.
* S importa el orden.
0.3. RESEA HISTRICA ix
* No se repiten los elementos.
\
k
n
= :(:1)(:2)(:3)...(:: + 1)
Tambin podemos calcular las variaciones mediante factoriales:
\
k
n
=
:!
(: /)!
0.3.2 Permutaciones
* S entran todos los elementos.
* S importa el orden.
* No se repiten los elementos.
1
n
= :!
0.3.3 Combinaciones
Se llama combinaciones de m elementos tomados de n en n (m n) a todas las
agrupaciones posibles que pueden hacerse con los m elementos de forma que:
* No entran todos los elementos.
* No importa el orden.
* No se repiten los elementos.
C
k
n
=
\
k
n
1
n
* Tambin podemos calcular las combinaciones mediante factoriales:
C
k
n
=
:!
/!(: /)!
x
Part II
CAPITULO 2
xi
0.4. EL CONCEPTO DE PROBABILIDAD xiii
0.4 El concepto de Probabilidad
Las preguntas ms importantes de la vida son, para la Mayor parte, realmente
solo problemas de probabilidad Pierre Simn Laplace En la naturaleza y en
la vida cotidiana se presentan fenmenos cuyo resultado se determina antici-
padamente mediante la aplicacin de ciertas leyes o frmulas; por ejemplo, los
resultados de mediciones geomtricas, los clculos nancieros o ciertos procesos
fsicos.
Tambin existen fenmenos cuyo resultado no puede ser anticipado con
certeza, sino que existe una probabilidad de que un cierto resultado se d. Ex-
aminemos algunos ejemplos: el nmero de dardos que lanzara un jugador antes
de dar en el blanco, los aos que sobrevivir un conyugue a la muerte de su
pareja o el nmero de autos que pasan por una esquina durante una hora deter-
minada. Es evidente que nadie puede dar un resultado certero con anticipacin
q que los tres eventos considerados se sucedan, entonces si se da una respuesta
existe una incertidumbre en el resultado.
Para dar una explicacin matemtica a aquellos resultados que aparecen en
experiencias de este tipo de desarrollo la teora de probabilidades.
0.5 Algebra de Eventos
Examinemos un ejemplo: el lanzamiento de un dado una sola vez. Como
resultado de la prueba pueden producirse diferentes sucesos. Sale dos, sale
cinco, el nmero que aparece es par, etc. Esto nos conduce a denir los
eventos.
Denicin 2.1 (de evento) Se llaman eventos a todos los resultados posibles
de un experimento u otra situacin que involucre incertidumbre.
Los eventos se clasican en: elementales, aquellos que constan de un solo
resultado; y compuestos, que consisten de ms de un resultado. Por ejemplo,
sale dos es un evento elemental; mientras que el nmero que aparece es par
es un elemento elemental;
mientras que el nmero que aparece es par es un evento compuesto, porque
est conformado de los eventos elementales sale dos, sale cuatro y sale
seis.
Observemos que todo evento relacionado son una prueba puede ser descrito
en base a eventos elementales.
A los eventos elementales se los notar como c.
Denicin 2.2 (de espacio muestral) la coleccin de todos los eventos elemen-
tales, notado por , se denomina espacio muestral.
= cc es evento elemental
xiv
0.6 Sucesos
0.6.1 Suceso elemental:
Es cada uno de los elementos que forman parte del universo
0.6.2 Suceso seguro:
Est formado por todo lo posibles sucesos es decir es = 1
0.6.3 Suceso imposible:
Es aquel que no tiene ningun elemento es decir es igual al vaco = 0;
0.6.4 Suceso compuesto:
Es cualquier subconjunto del espacio muestral
0.6.5 Suceso compatible:
Dos sucesos A y B son compatibles cuando tienen algn suceso elemental comn.
0.6.6 Suceso incompatible:
Dos sucesos A y B son incompatibles cuando no tienen ningn suceso elemental
comn.
0.7 Denicin de Probabilidad
Cuadro 2.1: Equivalencias entre proposiciones de la teora de probabilidades y
de los conjuntos.
Entonces un evento no es ms que un subconjunto del espacio muestral .
Sealemos que el conjunto de espacio muestral fue introducido por Galileo
para resolver el problema de por qu en el lanzamiento de tres dados 10 y
11 aparecen ms frecuentemente que 9 y 12. Para resolverlo enlisto todos
los casos posibles.
Volviendo a nuestro ejemplo, si representamos por un nmero el que sale en
la prueba de arrojar un dado, tenemos:
Espacio muestral: = 1, 2, 3, 4, 5, 6
A= el nmero que sale es jar = 2, 4, 6
Como los eventos se han asociado a conjuntos, es natural pensar que sus
operaciones tienen algn signicado como eventos.
0.7. DEFINICIN DE PROBABILIDAD xv
Sean A y B dos eventos de y r el resultado de un experimento, en el Cuadro
2.1 se presenta una armacin relativa a los eventos A y B y su equivalencia en
la teora de conjuntos.
Es claro que estos conceptos se extienden a cualquier sucesin de eventos.
2.3 Denicin de Probabilidad
Una probabilidad provee una descripcin cuantitativa de la posibilidad de
ocurrencia de un evento particular y se puede pensar que su frecuencia relativa,
en una serie larga de repeticiones de una prueba, en la que uno de los resultados
es el evento de inters.
Formalmente, la probabilidad de un evento A se dene como una funcin
que cumple:
xvi
Part III
ANEXOS
xvii
0.8. CONSULTAS xix
0.8 CONSULTAS
0.8.1 EL CONCEPTO DE PROBABILIDAD
Interpretacin de los conjuntos como eventos: a) Ocurre el evento A. b) Ocurre
u ocurre 1( 1 = 0) .f) No ocurre A (ocurre c)
A1. Para todo evento : 0 < 1r() < 1.
A2.1r( ) = 1.
A3. Si A y B son incompatibles:1r(n1) = 1r() +1r(1).
De aqu no es difcil demostrar que en general
1r(n1) = 1r() +1r(1) 1r(:1)
Conocida como frmula de la probabilidad para la unin.
Ejemplos.
1. Dados los eventos A, B y C del espacio muestral S, expresar mediante
las operaciones entre conjuntos los eventos:
a) Tan solo ocurre A.
b) Si ocurre A, no ocurre B.
c) Por lo menos uno de los dos eventos ocurren.
Solucin:
a) puede ocurrir A, y simultneamente no ocurre B y no ocurre C; es decir
que el evento es
b) si no ocurre B entonces ocurre Bc; es decir que si ocurre A, tambin
ocurre BC , el evento es
0.8.2 DEFINICIN DE PROBABILIDAD
a) 1r(C) = 1 1r().
b) Si A B entonces1r() < 1r(1).
Solucin:
a) = lc (con A y Ac disjuntos), entonces por A3. 1r( ) =
1r() +1r(c)jjor2.1r( ) = 1, con lo que se obtiene: 1 = 1r() +1r(c)
y el resultado es inmediato.
b) Si A C B entonces1 = l(c:1) siendo A y (c:1) incompatibles;
por lo tanto por A3
0.8.3 El lgebra booleana
El lgebra booleana es un sistema matemtico deductivo centrado en los valores
cero y uno (falso y verdadero). Un operador binario "
o
" denido en ste juego
de valores acepta un par de entradas y produce un solo valor booleano, por
ejemplo, el operador
booleano AND acepta dos entradas booleanas y produce una sola salida
booleana.
xx
Para cualquier sistema algebraico existen una serie de postulados iniciales,
de aqu se pueden deducir reglas adicionales, teoremas y otras propiedades del
sistema, el lgebra booleana a menudo emplea los siguientes postulados:
Cerrado. El sistema booleano se considera cerrado con respecto a un oper-
ador binario si para cada par de valores booleanos se produce un solo resultado
booleano.
Conmutativo. Se dice que un operador binario "
o
" es conmutativo si
o
1 =
1
o
para todos los posibles valores de j1.
Asociativo. Se dice que un operador binario "
o
" es asociativo si (
o
1)
o
C =

o
(1
o
C) para todos los valores booleanos , 1, jC.
Distributivo. Dos operadores binarios "
o
"j"%" son distributivos si
o
(1%C) =
(
o
1)%(
o
C) para todos los valores booleanos , 1, jC.
Identidad. Un valor booleano I se dice que es un elemento de identidad con
respecto a un operador binario "
o
" si
o
1 = .
Inverso. Un valor booleano I es un elemento inverso con respecto a un
operador booleano "
o
"si
o
1 = 1, y 1 es diferente de , es decir, 1 es el valor
opuesto de .
Leyes fundamentales
El resultado de aplicar cualquiera de las tres operaciones denidas a variables
del sistema booleano resulta en otra variable del sistema, y este resultado es
nico.
1. Ley de idempotencia:
a.a = a
a +a = a
2. Ley de involucin:
a = a
3. Ley conmutativa:
a./ = /.a
a +/ = / +a
4. Ley asociativa:
a. (/.c) = (a./) .c
a + (/ +c) = (a +/) +c
5. Ley distributiva:
a. (/ +c) = (a./) + (a.c)
(a +/) .c = (a.c) + (/.c)
a + (/.c) = (a +/) . (a +c)
(a./) +c = (a +c) . (/ +c)
a +a./ = a +/
6. Ley de cancelacin:
(a./) +a = a
(a +/) .a = a
7. Leyes de De Morgan:
(a +/) = a./
(a./) = a +/
0.8. CONSULTAS xxi
OPERACIONES Operacin suma
a / a +/
0 0 0
0 1 1
1 0 1
1 1 1
La operacin suma (+) asigna a cada par de valores a, / de un valor c de
:
a +/ = c
Su equivalencia en lgica de interruptores es un circuito de dos interruptores
en paralelo.
(colocar el graco 01)
Si uno de los valores de a o / es 1, el resultado ser 1, es necesario que los
dos sumandos sean 0, para que el resultado sea 0.
(colocar el graco 02)
Operacin producto
a / a./
0 0 0
0 1 0
1 0 0
1 1 1
La operacin producto (.) asigna a cada par de valores a, / de un valor c
de :
a./ = c
Esta operacin en lgica de interruptores es un circuito en serie de dos in-
terruptores
(colocar el graco 03)
solo si los dos valores a y b son 1, el resultado ser 1, si uno solo de ellos es
0 el resultado ser 0.
(colocar el graco 04)
Operacin negacin
a a
0 1
1 0
La operacin negacin presenta el opuesto del valor de a:
a = /
Un interruptor inverso equivale a esta operacin:
(colocar el graco 05 y 06)
Operaciones combinadas
a / a +/
0 0 1
0 1 1
1 0 0
1 1 1
xxii
Partiendo de estas tres operaciones elementales se pueden realizar otras ms
complejas, que podemos representar como ecuaciones booleanas, por ejemplo:
a +/ = c
Que representado en lgica de interruptores es un circuito de dos interrup-
tores en paralelo, siendo el primero de ellos inverso.
(colocar el graco 07)
La distinta secuencia de valores de a y b da los resultados vistos en la tabla
de verdad.
(colocar el graco 08)
Principio de dualidad
El concepto de dualidad permite formalizar este hecho: a toda relacin o
ley lgica le corresponder su dual, formada mediante el intercambio de los
operadores unin (suma lgica) con los de interseccin (producto lgico), y de
los 1 con los 0.
ADICION PRODUCTO
1 a +a = 1 a.a = 0
2 a + 0 = a a.1 = a
3 a + 1 = 1 a.0 = 0
4 a +a = a a.a = a
5 a +/ = / +a a./ = /.a
6 a + (/ +c) = (a +/) +c a.(/.c) = (a./).c
7 a + (/.c) = (a +/).(a +c) a.(/ +c) = (a./) + (a.c)
8 a + (a./) = a a.(a +/) = a
0.8.4 Diagramas de Venn
Un conjunto es la reunin en un todo de objetos bien denidos y diferenciables
entre si, que se llaman elementos del mismo.
Si a es un elemento del conjunto A se denota con la relacin de pertenencia
a A.
En caso contrario, si a no es un elemento de A se denota a A.
Ejemplos de conjuntos:
: el conjunto vaco, que carece de elementos.
N: el conjunto de los nmeros naturales.
Z: el conjunto de los nmeros enteros.
Q : el conjunto de los nmeros racionales.
R: el conjunto de los nmeros reales.
C: el conjunto de los nmeros complejos.
Existen cuatro formas de enunciar a los conjuntos:
1) Por extensino enumeracin: los elementos son encerrados entre llaves
y separados por comas. Es decir, el conjunto se describe listando todos sus
elementos entre llaves.
2) Por comprensin: los elementos se determinan a travs de una condicin
que se establece entre llaves. En este caso se emplea el smbolo [ que signica
tal que". En forma simblica es: que signica que el conjunto
0.8. CONSULTAS xxiii
A es el conjunto de todos los elementos x tales que la condicin P(x) es
verdadera, como
3) Diagramas de Venn: son regiones cerradas que sirven para visualizar el
contenido de un conjunto o las relaciones entre conjuntos
4) Por descripcin verbal: Es un enunciado que describe la caracterstica que
es comn para los elementos.
0.8.5 Operaciones entre conjuntos
Las operaciones entre conjuntos son las disposiciones especcas de combinar
conjuntos para formar otros, de semejante estructura. Dichas operaciones son
la unin, la interseccin, la diferencia, la complementacin, el conjunto Producto
o conjunto cartesiano, y la diferencia simtrica.
1. UNIN O REUNIN
Unin o reunin de los conjuntos A y B es el conjunto de elementos "x" que
pertenecen a "A", a "B" o a ambos, se simboliza por: A(B; y se lee: "A unin
B"
Por comprensin:
Grcamente, la unin de conjuntos se representa, en un diagrama de Venn-
Euler, achurando la zona donde se encuentran los diversos elementos que pertenecen
a los conjuntos que van a formar la unin o reunin.
2. INTERSECCIN
Interseccin de los conjuntos A y B es el conjunto de elementos "x" que pertenecen
a "A" y a "B". Est formado por elementos comunes a los conjuntos que forman
la interseccin. Se simboliza por A(B y se lee: A interseccin B
Grcamente, la respuesta es la zona sombreada que contiene a los elementos
que pertenecen a ambos conjuntos.
3. DIFERENCIA
Diferencia entre los conjuntos "A" y "B", es el conjunto de elementos "x" que
pertenecen a "A" pero no a "B", se simboliza por "A( B"
xxiv
0.8. CONSULTAS xxv
Por comprensin:
1 = r,r j, r , 1
Es decir: r 1 == r r , 1
4. COMPLEMENTACIN
Complemento de un subconjunto cualquiera "B" respecto a "U" (conjunto uni-
versal), es el conjunto de elementos de "U" que no pertenecen a "B". Se llama
tambin complemento de "B" en "U", o simplemente conjunto diferencia de "U(
B". Se lo reconoce por:
Ejemplo :
Si el conjunto universal est formado por los habitantes de nuestro pas, y
si "A" es el conjunto de habitantes de nuestra ciudad, entonces "A" representa
a los habitantes de nuestro pas que no son de nuestra ciudad.
0.8.6 Teorema de la probabilidad total
El Teorema de la probabilidad total nos permite calcular la probabilidad de un
suceso a partir de probabilidades condicionadas:
Ejemplo: supongamos que si llueve la probabilidad de que ocurra un acci-
dentes es x% y si hace buen tiempo dicha probabilidad es y%. Este teorema nos
xxvi
permite deducir cul es la probabilidad de que ocurra un accidente si conocemos
la probabilidad de que
llueva y la probabilidad de que haga buen tiempo.
La frmula para calcular esta probabilidad es:
Es decir, la probabilidad de que ocurra el suceso B (en nuestro ejemplo, que
ocurra un accidente) es igual a la suma de multiplicar cada una de las probabil-
idades condicionadas de este suceso con los diferentes sucesos A (probabilidad
de un accidente cuando
llueve y cuando hace buen tiempo) por la probabilidad de cada suceso A.
Para que este teorema se pueda aplicar hace falta cumplir un requisito:
Los sucesos A tienen que formar un sistema completo, es decir, que contem-
plen todas las posibilidades (la suma de sus probabilidades debe ser el 100%).
Ejercicio:
En un saquito hay papeletas de tres colores, con las siguientes probabilidades
de ser elegidas:
a) Amarilla: probabilidad del 50%.
b) Verde: probabilidad del 30%
c) Roja: probabilidad del 20%.
Segn el color de la papeleta elegida, podrs participar en diferentes sorteos.
As, si la papeleta elegida es:
a) Amarilla: participas en un sorteo con una probabilidad de ganar del 40%.
b) Verde: participas en otro sorteo con una probabilidad de ganar del 60%
c) Roja: participas en un tercer sorteo con una probabilidad de ganar del
80%.
Con esta informacin, qu probabilidad tienes de ganar el sorteo en el que
participes?:
1.- Las tres papeletas forman un sistema completo: sus probabilidades suman
100%
2.- Aplicamos la frmula:
1(1) =
P
(i) + 1(1,i)
Luego,
P (B) = (0,50 * 0,40) + (0,30 * 0,60) + (0,20 * 0,80) = 0,54
Por tanto, la probabilidad de que ganes el sorteo es del 54%.
0.8.7 Teorema de Bayes
El teorema de Bayes se utiliza para revisar probabilidades previamente calcu-
ladas cuando se posee nueva informacin. Desarrollado por el reverendo Thomas
0.8. CONSULTAS xxvii
Bayes en el siglo XVII, el teorema de Bayes es una extensin de lo que ha apren-
dido hasta ahora
acerca de la probabilidad condicional.
Comnmente se inicia un anlisis de probabilidades con una asignacin ini-
cial, probabilidad a priori. Cuando se tiene alguna informacin adicional se
procede a calcular las probabilidades revisadas o a posteriori. El teorema de
Bayes permite calcular las
probabilidades a posteriori y es:
0.8.8 Distribucion De Poisson
Esta distribucin es una de las ms importantes distribuciones de variable
discreta. Sus principales aplicaciones hacen referencia a la modelizacin de
situaciones en las que nos interesa determinar el nmero de hechos de cierto
tipo que se pueden producir en
un intervalo de tiempo o de espacio, bajo presupuestos de aleatoriedad y
ciertas circunstancias restrictivas. Otro de sus usos frecuentes es la consid-
eracin lmite de procesos dicotmicos reiterados un gran nmero de veces si la
probabilidad de obtener un xito
es muy pequea .
Proceso experimental del que se puede hacer derivar
Esta distribucin se puede hacer derivar de un proceso experimental de ob-
servacin en el que tengamos las siguientes caractersticas
xxviii
Se observa la realizacin de hechos de cierto tipo durante un cierto periodo
de tiempo o a lo largo de un espacio de observacin
Los hechos a observar tienen naturaleza aleatoria ; pueden producirse o no
de una manera no determinstica.
La probabilidad de que se produzcan un nmero x de xitos en un intervalo
de amplitud t no depende del origen del intervalo (Aunque, s de su amplitud)
La probabilidad de que ocurra un hecho en un intervalo innitsimo es
prcticamente proporcional a la amplitud del intervalo.
La probabilidad de que se produzcan 2 o ms hechos en un intervalo in-
nitsimo es un innitsimo de orden superior a dos.
En consecuencia, en un intervalo innitsimo podrn producirse O 1 hecho
pero nunca ms de uno
Si en estas circunstancias aleatorizamos de forma que la variable aleatoria
X signique o designe el "nmero de hechos que se producen en un intervalo
de tiempo o de espacio", la variable X se distribuye con una distribucin de
parmetro ` . As : r == 1()
El parmetro de la distribucin es, en principio, el factor de proporcionali-
dad para la probabilidad de un hecho en un intervalo innitsimo. Se le suele
designar como parmetro de intensidad , aunque ms tarde veremos que se
corresponde con el nmero medio
de hechos que cabe esperar que se produzcan en un intervalo unitario (media
de la distribucin); y que tambin coincide con la varianza de la distribucin.
Por otro lado es evidente que se trata de un modelo discreto y que el campo
de variacin de la variable ser el conjunto de los nmero naturales, incluido el
cero: r 0, 1, 2, 3, ...
La funcin de masa de la distribucin de Poisson es
donde
/ es el nmero de ocurrencias del evento o fenmeno (la funcin nos da la
probabilidad de que el evento suceda precisamente k veces).
es un parmetro positivo que representa el nmero de veces que se espera
que ocurra el fenmeno durante un intervalo dado. Por ejemplo, si el suceso
estudiado tiene lugar en promedio 4 veces por minuto y estamos interesados en
la probabilidad de que ocurra
/ veces dentro de un intervalo de 10 minutos, usaremos un modelo de dis-
tribucin de Poisson con = 10 4 = 40.
c es la base de los logaritmos naturales (e = 2,71828...)
0.8. CONSULTAS xxix
0.8.9 Teorema de Chebyshev
Proporciona la estimacin de la probabilidad de que una variable aleatoria
asuma un valor dentro de k desviaciones estndar de su media para cualquier
valor k.
La probabilidad de qe una variable aleatoria que cuyo valor se distribuye
normalmente, asuma un valor dentro de k desviaciones estndar de la media es
al menos de: Esto es:
Para cualquier variable aleatoria X con media j y desviacin estndar , la
probabilidad de que X tome un valor contenido en k desviaciones estndar de
la media, siendo k una constante positiva cualquiera, es cuando menos
1
1
k
2
j(j /o < A < j +/o) _ 1
1
k
2
Simblicamente, el teorema se expresa de cualquiera de las siguientes man-
eras:
La desigualdad de Chbyshev es muy importante, ya que permite determinar
los lmites de las probabilidades de variables aleatorias discretas o continuas sin
tener que especicar sus funciones de probabilidad. Este teorema asegura que
la probabilidad de que
una variable aleatoria se aleje de la media no ms de k desviaciones estndar,
es menor o igual a 1/k2 para algn valor de k 1. Aunque la garanta no siempre
es muy precisa, la ventaja sobre este teorema es su gran generalidad por cuanto
es aplicable a
cualquier variable aleatoria con cualquier distribucin de probabilidad, ya
sea discreta o continua.
Para un conjunto cualquiera de observaciones (muestra o poblacin), la pro-
porcin mnima de los valores que se encuentran dentro de k desviaciones es-
tndares desde la media es al menos 1 - 1/k2, donde k es una constante mayor
que 1.
o Regla emprica: Para una distribucin de frecuencias simtrica de cam-
pana, aproximadamente 68% de las observaciones estar a ms y menos una
desviacin estndar desde la media, aproximadamente 95% de tales observa-
ciones se encontrar a ms y
menos dos desviaciones estndares de la misma; y prcticamente todas las
observaciones (99,7%)se hallarn a ms y menos tres desviaciones con respecto
a la media.
Curva simtrica de campana que muestra las relaciones entre la desviacin
estndar y la media
-3s -2s -1s X 1s 2s 3s
70 80 90 100 110 120 130
68%
95%
99,7%
xxx
Si una distribucin es simtrica con forma de campana, prcticamente todas
las observaciones se encuentran entre la media ms o menos tres desviaciones
estndares.
0.8.10 La paradoja de Braess
La paradoja de Braess dicta que al agregar mayor capacidad a una red, cuando
las entidades por ella escogen la ruta de forma egosta, puede en algunos casos
reducir el desempeo de toda la red. La paradoja fue presentada en 1968 por el
matemtico alemn Dietrich Braess. El trabajo original de Braess mostraba una
situacin paradjica, en la que la construccin de una va adicional (inversin de
capital), llevaba a que, con la misma demanda de trco, los tiempos de viaje
para todos los usuarios de la red aumentaran.
Braess demostr con un ejemplo simple, cmo al agregar ms vas en una
red de trco, se puede llegar a empeorar el desempeo de todos los usuarios.
La red clasica para mostrar esta paradoja se presenta en la gura 1. Los rcos
rojos representan autopistas de gran capacidad, mientras que los arcos amarillos
representan vas de baja capacidad. Al aadir una va entre los puntos X y Y,
los tiempos de todos los usuarios empeoran sustancialmente (gura 2). Esto
constituye una paradoja en la medida en que se espera que al realizar una
inversin en vas, los tiempos de los usuarios disminuyan, no que aumenten.
Aunque este es un caso terico, se han podido encontrar algunos ejemplos de la
vida real, no solo en redes de transporte, sino tambin en otro tiempo de redes.
Ejemplo:
Supongamos que entre Pelotillehue y Buenas Peras un conductor puede elegir
entre dos rutas. La primera consta de dos tramos: uno largo pero expedito entre
Pelotillehue y la localidad de Cumpeo, que el conductor toma invariablemente
unos 60 minutos en
0.8. CONSULTAS xxxi
recorrer, y otro corto pero congestionado entre Cumpeo y Buenas Peras,
donde el tiempo de traslado es directamente proporcional al nmero de au-
tomviles que utilizan la va; as, si hay 100 coches circulando, el viaje tarda 10
minutos, pero si la cantidad de
coches aumenta a 300, el tiempo de traslado sube a media hora.
La segunda opcin parte con un tramo corto pero congestionado entre Pelotille-
hue y Peor es Nada, donde al igual que en el caso anterior el tiempo de viaje
depende directamente del nmero de vehculos en la ruta. Una vez llegado a
Peor es Nada, el conductor
puede tomar un camino largo pero sin atascos donde el tiempo de viaje es
igual a 60 minutos.
Como ambas rutas ofrecen condiciones ms o menos similares, la mitad de
los conductores tiende naturalmente a preferir una, y la otra mitad la otra. As,
si tenemos a 400 conductores, 200 seguirn el camino Pelotillehue Cumpeo
Buenas Peras, el cual les
tomar 80 minutos de viaje (60 + 20 minutos), mientras los otros 200 optarn
por la ruta Pelotillehue Peor es Nada Buenas Peras, que les signicar los
mismos 80 minutos de viaje aunque distribuidos de manera opuesta, tal como
lo indica el grco que
intenta explicar esta situacin al lector.
Ahora supongamos que las autoridades encargadas del transporte en Pelotille-
hue y Buenas Peras quieren disminuir el tiempo de traslado entre ambos puntos,
y que para ello se hacen asesorar por la solcita gente de la Secretara de Trans-
porte del Distrito
Federal, expertos en eso de acortar los tiempos de traslado al interior de la
ciudad. Ellos, en un ataque de ingenio y perspicacia, ven una solucin que a
xxxii
primera vista tiene una lgica impecable: la construccin (sin licitacin previa,
por supuesto) de una sper
carretera urbana de alta velocidad con muchas pistas por lado y harto
hormign armado que conecte los puntos intermedios de Cumpeo y Peor es
Nada en tan slo 10 minutos, tal como lo indica el grco 2. La propuesta se
ve tremendamente atractiva para los
automovilistas, que vislumbran que su aburrido viaje de 80 minutos ahora
se ver reducido a slo 50, un ahorro de media hora que ante sus ojos bien vale
la construccin de una mole de concreto en medio de la ciudad.
Sin embargo, la historia dice que las cosas resultaron completamente dis-
tintas a como estaba planicado, y que poco despus de inaugurada la nueva
superva los conductores se dieron cuenta que los tiempos de viaje no slo no
disminuyeron, sino que muy por el
contrario aumentaron, algo que los idelogos de la iniciativa jams pensaron
que pudiera ocurrir. Cmo se explica esto? La respuesta es ms sencilla de lo
que uno supondra, y est relacionada con el carcter esencialmente individual-
ista de las decisiones que
generalmente toma un conductor cuando se encuentra detrs del volante.
Cmo es esto? Recapitulemos: con la construccin de la nueva autopista el
conductor se encontr con dos opciones para ir de Pelotillehue a Cumpeo. La
primera, la va ya existente,
signicaba un tiempo jo de traslado de 60 minutos, mientras que la segunda,
en el peor escenario posible, es decir, con la totalidad de los 400 automviles
circulando all, tomaba 50 minutos (40 minutos entre Pelotillehue y Peor es
Nada ms 10 minutos en la
Superva). Ni tontos, los automovilistas escogieron esta segunda opcin, sin
precaver que el tramo Peor es Nada Buenas Peras tambin experimentara
una recarga de trabajo, traducida en 40 minutos de traslado en lugar de los
anteriores 20. En suma, la
llegada de la nueva autopista de conexin signic que el tiempo de traslado
aumentara de 80 a 90 minutos. Mejor no les fue a los que se mantuvieron leales
al viejo recorrido, pues si bien es cierto mantuvieron los 60 minutos que toma
el transitar entre Pelotillehue
y Cumpeo, vieron incrementar en casi 20 minutos su tiempo de desplaza-
miento entre Cumpeo y Buenas Peras dada la mayor congestin en este tramo
(en el entendido que 399 automviles eligen la nueva ruta va autopista y un
solo conductor solitario se mantiene
en la ruta antigua).
Este fenmeno, conocido como la paradoja de Braess, debe su nombre al
matemtico alemn Dietrich Braess, quien lo enunci por primera vez en 1968.
La paradoja seala que el incremento de la capacidad de una red vial puede en
algunos casos reducir la
eciencia del sistema, puesto que induce elecciones de conductores cuyas
decisiones son tomadas teniendo en cuenta exclusivamente el benecio individual
0.8. CONSULTAS xxxiii
y no el colectivo. En otras palabras, la suma de estrategias ptimas individuales
no mejora en absoluto el
comportamiento del total del sistema (s, nos estamos metiendo en los in-
teresantes terrenos del equilibrio del Nash que no es basquetbolista, y en el
cual no pretendo introducirme, que ese pedregoso camino preero dejrselo a
matemticos y economistas). Para
optimizar los tiempos de traslado de todos los vehculos sera necesario que
los conductores actuaran de manera cooperativa, lo que signicara que en la
prctica todos debieran sacricar algo, como tomar rutas que a primera vista
se ven ms lentas, para que el
sistema funcionara ms ecientemente.
Suena esto a pura teora de escritorio y pizarrn? Pues no lo es tanto, que
ejemplos sobran para demostrar la validez de los enunciados de Braess. Uno de
los mejores se encuentra en Sel, donde la frmula de menos vas igual a trco
ms expedito demostr
ser plenamente vlida.
0.8.11 Teorema de limite de Laplace
La Transformada de Laplace es una tcnica Matemtica que forma parte de
ciertas transformadas integrales como la transformada de Fourier, la transfor-
mada de Hilbert, y la transformada de Mellin entre otras. Estas transformadas
estn denidas por medio de una integral impropia y cambian una funcin en
una variable de entrada en otra funcin en otra variable. La transformada de
Laplace puede ser usada para resolver Ecuaciones Diferenciales Lineales y Ecua-
ciones Integrales. Aunque se pueden resolver algn tipo de ED con coecientes
xxxiv
variables, en general se aplica a problemas con coecientes constantes. Un req-
uisito adicional es el conocimiento de las condiciones iniciales a la misma ED.
Su mayor ventaja sale a relucir cuando la funcin en la variable independiente
que aparece en la ED es una funcin seccionada.
Denicin de la Transformada
Sea f una funcin denida para ,t _ 0, la transformada de Laplace de )(t)
se dene como
cuando tal integral converge
Notas
1.La letra s representa una nueva variable, que para el proceso de integracion
se considera constante
2.La transformada de Laplace convierte una funcion en t en una funcion en
la variable s
3.Condiciones para la existencia de la transformada de una funcin:
1.De orden exponencial
2.Continua a trozos
0.8.12 Teorema de Moivre-Laplace
En probabilidad el teorema de Moivre-Laplace es una aproximacin normal a
la distribucin binomial. Se trata de un caso particular del Teorema central del
lmite. Establece que la distribucin binomial del nmero de xitos en n pruebas
independientes de Bernoulli
con probabilidad de xito p en cada intento es, aproximadamente, una dis-
tribucin normal de media np y desviacin tpica , (cabe aclarar que q = 1-p),
si n es sucientemente grande y se satisfacen determinadas condiciones.
El teorema apareci por primera vez en la segunda edicin de The Doctrine of
Chances, de Abraham de Moivre, publicado en 1738. Los "ensayos de Bernoulli"
no se llamaron as en ese libro, pero De Moivre escribi lo suciente sobre la
distribucin de
probabilidad de el nmero de veces que apareca "cara" cuando se lanzaba
una moneda 1800 veces.[cita requerida]
El teorema
Si : , entonces para k en el entorno
_
:j-de np, se puede aproximar

n
k

j
k

nk
0.8. CONSULTAS xxxv
0.8.13 Error 6 Sigma
SIX SIGMA es una metodologa de mejora de procesos, centrada en la reduccin
de la variabilidad de los mismos, consiguiendo reducir o eliminar los defectos o
fallas en la entrega de un producto o servicio al cliente. La meta de 6 Sigma es
llegar a un mximo de
3,4 defectos por milln de eventos u oportunidades (DPMO), entendindose
como defecto cualquier evento en que un producto o servicio no logra cumplir
los requisitos del cliente.1
Seis sigma utiliza herramientas estadsticas para la caracterizacin y el es-
tudio de los procesos, de ah el nombre de la herramienta, ya que sigma es la
desviacin tpica que da una idea de la variabilidad en un proceso y el objetivo
de la metodologa seis sigma es
reducir sta de modo que el proceso se encuentre siempre dentro de los lmites
establecidos por los requisitos del cliente.
Obtener 3,4 defectos en un milln de oportunidades es una meta bastante
ambiciosa pero lograble. Se puede clasicar la eciencia de un proceso con base
en su nivel de sigma:
1 sigma= 690.000 DPMO = 31% de eciencia
2 sigma= 308.538 DPMO = 69% de eciencia
3 sigma= 66.807 DPMO = 93,3% de eciencia
4 sigma= 6.210 DPMO = 99,38% de eciencia
5 sigma= 233 DPMO = 99,977% de eciencia
6 sigma= 3,4 DPMO = 99,99966% de eciencia
Porcentajes obtenidos asumiendo una desviacin del valor nominal de 1,5
sigma.
Por ejemplo, si tengo un proceso para fabricar ejes que deben tener un
dimetro de 15 +/-1 mm para que sean buenos para mi cliente, si mi proceso
tiene una eciencia de 3 sigma, de cada milln de ejes que fabrique, 66.800
tendrn un dimetro inferior a 14 o
superior a 16mm, mientras que si mi proceso tiene una eciencia de 6 sigma,
por cada milln de ejes que fabrique, tan solo 3,4 tendrn un dimetro inferior
a 14 o superior a 16mm.
Dentro de los benecios que se obtienen del Seis Sigma estn: mejora de la
rentabilidad y la productividad. Una diferencia importante con relacin a otras
metodologas es la orientacin al cliente
0.8.14 Variable aleatoria
En probabilidad y estadstica, una variable aleatoria o variable estocstica es
una variable estadstica cuyos valores se obtienen de mediciones en algn tipo
de experimento aleatorio. Formalmente, una variable aleatoria es una funcin,
que asigna eventos (p.e., los
posibles resultados de tirar un dado dos veces: (1, 1), (1, 2), etc.) a nmeros
reales (p.e., su suma).
xxxvi
Los valores posibles de una variable aleatoria pueden representar los posibles
resultados de un experimento an no realizado, o los posibles valores de una
cantidad cuyo valor actualmente existente es incierto (p.e., como resultado de
medicin incompleta o
imprecisa). Intuitivamente, una variable aleatoria puede tomarse como una
cantidad cuyo valor no es jo pero puede tomar diferentes valores; una distribu-
cin de probabilidad se usa para describir la probabilidad de que se den los
diferentes valores.
Las variables aleatorias suelen tomar valores reales, pero se pueden consid-
erar valores aleatorios como valores lgicos, funciones... El trmino elemento
aleatorio se utiliza para englobar todo ese tipo de conceptos relacionados. Un
concepto relacionado es el de
proceso estocstico, un conjunto de variables aleatorias ordenadas (habitual-
mente por orden o tiempo).
Denicin formal
Una variable aleatoria (v.a.) X es una funcin real denida en el espacio
muestral, , asociado a un experimento aleatorio.
A : R
La denicin formal anterior involucra conceptos matemticos sosticados
procedentes de la teora de la medida, concretamente la nocin de espacio de
probabilidad.
Dado un espacio de probabilidad (, , 1) y un espacio medible (o,
P
) una
aplicacin A : o es una variable aleatoria si es una aplicacin ,
P
-medible.
En la mayora de los casos se toma como espacio medible de llegada el
formado por los nmeros reales junto con la -lgebra de Borel (el generado
por la topologa usual de R), quedando pues la denicin de esta manera:
Dado un espacio de probabilidad (, , 1) una variable aleatoria real es
cualquier funcin ,1(R) medible donde 1(R) es la lgebra boreliana
Rango de una variable aleatoria
Se llama rango de una variable aleatoria X y lo denotaremos 1
X
, a la imagen
o rango de la funcin A es decir, al conjunto de los valores reales que sta puede
tomar, segn la aplicacin X. Dicho de otro modo, el rango de una v.a. es el
recorrido de la funcin por la
que sta queda denida:
Ejemplo:
Supongamos que se lanzan dos monedas al aire. El espacio muestral, esto
es, el conjunto de resultados elementales posibles asociado al experimento, es
0.8. CONSULTAS xxxvii
= CC, Co, oC, oo
donde (c representa "sale cara" y x, "sale cruz").
Podemos asignar entonces a cada suceso elemental del experimento el nmero
de caras obtenidas. De este modo se denira la variable aleatoria X como la
funcin
A : R
dada por
CC 2
Co, oC 1
oo 0
El recorrido o rango de esta funcin, 1
X
, es el conjunto
1
X
= 0, 1, 2
0.8.15 Alfabeto Griego
xxxviii
0.9 Ejercicios 2.5
1. Sea un espacion muestral y , 1 y C eventos cualesquiera, exprese las
siguientes armaciones como uniones e intersecciones de , 1 y C y de sus
complementos.
a) Ninguno de los eventos , 1, C ocurre.
0.9. EJERCICIOS 2.5 xxxix
r
C
1
C
C
C
/) Por lo menos uno de los eventos , 1, C ocurre
r ' 1 ' C
c) No ocurre ms que un evento.
r ( 1 C)
C
d) Ocurre exactamente dos eventos.
r ( 1 C
C
) ' (
C
1 C) ' ( C 1
C
)
c) Ocurren no ms de dos eventos.
r ( 1 C
C
)
2. Con el empleo de la denicin de probabilidad, demuestre:
a) Pr(c) = 0
Se sabe que:
Pr() = 1, y que Pr (' 1) = Pr () + Pr (1) , entonces:
Pr() = Pr(c ' )
Pr() = Pr (c) + Pr ()
1 = Pr (c) + 1
Pr (c) = 1 1
Pr (c) = 0
/) Pr (' 1) = Pr () + Pr (1) Pr ( 1)
sea:
= (1) ' ( 1)
Pr() = Pr (1) + Pr ( 1)
despejando:
Pr (1) = Pr() Pr ( 1) (+)
entonces,
' 1 = (1) ' 1
Pr(' 1) = Pr (1) + Pr(1)
reemplazamos (+)
Pr (' 1) = Pr () + Pr (1) Pr ( 1)
3. Se arrojan dos dados, sean el evento "la suma de las caras es impar", y 1
el evento "sale por lo menos un tres". Describa los eventos 1, '1, 1
C
.
Encuentre sus probabilidades si se supone que los 36 eventos elemntales tienen
igual probabilidad.
Solucin:
= (i, ,) ,i, , = 1, 2, ...., 6 , Card() = 36
Para el evento :
xl

1
= (i, ,) ,i = 2, 4, 6 ; , = 1, 3, 5
2
= (i, ,) ,i = 1, 3, 5 ; , = 2, 4, 6
=
1
+
2
Card() = Card(
1
) +Card(
2
)
Card() = 9 + 9
Card() = 18
donde:
Pr() =
Card()
Card()
=
18
36
=
1
2
Para el evento 1 :
1
1
= (i, ,) ,i = 3 ; , = 1, ..., 6 1
2
= (i, ,) ,i = 1, ..., 6 ; , = 3
1 = 1
1
+1
2
Card(1) = Card(1
1
) +Card(1
2
)
Card(1) = 6 + 6
Card(1) = 12
donde:
Pr(1) =
Card(1)
Card()
=
12
36
=
1
3
Entonces,
1 :
1 = (i, ,) ,i
1
, i
2
= 3 ; ,
1
, ,
2
= 2, 4, 6
Pr ( 1) =
6
36
=
1
6
' 1 :
Pr(' 1) = Pr() + Pr(1) Pr( 1)
Pr(' 1) =
1
2
+
1
3

1
6
Pr(' 1) =
2
3
1
C
:
Pr

1
C

probabilidad de que ocurra el evento y no ocurra el evento

1
1
C
= (i, ,) ,i
1
= 2, 4, 6 ; ,
1
= 1, 5 ; i
2
= 1, 5 ; ,
2
= 2, 4, 6
Card

1
C

= 12
Pr( 1
C
) =
12
36
=
1
3
0.9. EJERCICIOS 2.5 xli
4. Un gerente de compras desea hacer pedidos a proveedores diferentes, a
los que nombra como , 1 y C. Todos los porveedores son iguales en loq eu
respecta a la calidad por lo que escribe cada letra en un papel, mezcla los
papeles y selecciona a ciegas a uno de ellos. Se har el pedido al vendendo que
salga seleccionado. Calcule las probabilidades de los eventos:
a) Se seleccion al proveedor 1.
Pr(1) =
1
3
= 0.333
b) Se selecciona al proveedor o C.
Pr(' C) = 0.33 + 0.33 = 0.66
c) El proveedor no se selecciona.
Pr(/ ' C) = 0.33 + 0.33 = 0.66
5. Entre los voluntarios que acuden al banco de sangre a realizar donaciones e
observa que uno de cada tres tiene sangre O+, uno de cada quince tiene O-, uno
de cada tres tiene A+, y uno de cada diecisis tiene A-. Cul es la probabilidad
de que la primera
persona que llegue un da done sangre: a) tiop O+, b) tipo O, c) tipo A. d)
ya sea O- o A-
a) 1r() = 0.33
b) 1r(' 1) = 0.33 +
1
15
= 0.396 67
c) 1r(C ' 1) = 0.33 +
1
16
= 0.392 5
b) 1r(1 ' 1) =
1
15
+
1
16
=
31
240
6. Una empresa tiene dos tiendas distribuidoras, una en el norte y otra en
el sur de la cuidad. De los potenciales clientes, se sabe que el 30% solo compra
en la tienda norte, el 50% solo compra en la tienda del sur, el 10% compra
indistintamente en las dos y el 10%
de los consumidores no compra en ninguna de las dos. Sean los eventos :
"el cliente compra en la tienda norte" y 1 : "el cliente compra en la tienda sur".
Calcule las probabilidades (e interptelas):
a) Pr()
La probabilidad de que pase el evento A, es decir que los clientes compren
en en la tienda Norte es:
Pr() = 0.3 + 0.10
Pr() = 0.40
b) Pr(' 1)
xlii
La probabilidad de que pase el evento '1, es decir que los clientes compren
en cualquiera de las dos tiendas es:
Pr(' 1) = Pr() + Pr(1) Pr( 1)
Pr(' 1) = 0.40 + 0.60 0.10
Pr(' 1) = 0.90
c) Pr(1
C
)
La probabilidad de que pase el evento 1
C
, es decir que ningn cliente compre
en la tienda Sur es:
Pr(1
C
) = 0.30 + 0.10
Pr(1
C
) = 0.40
d) Pr( 1)
La probabilidad de que pase el evento 1, es decir que los clientes compren
en las dos tiendas:
Pr( 1) = 0.10
f) Pr(
C
1
C
)
La probabilidad de que pase el evento
C
1
C
, es decir que los clientes no
compren en ninguna tienda es:
Pr(
C
1
C
) = Pr(' 1)
C
Pr(
C
1
C
) = 0.10
e) Pr (r1)
La probabilidad de que pase el evento r 1, es decir que los clientes slo
compren en la tienda Norte es:
Pr (r1) = Pr() Pr( 1)
Pr (r1) = 0.40 0.10
Pr (r1) = 0.30
g) Pr
h
( 1)
C
i
0.9. EJERCICIOS 2.5 xliii
La probabilidad de que pase el evento ( 1)
C
, es decir que los clientes
compren solamente en una de las tiendas ya sea Norte o Sur, como pueden no
comprar en inguna tienda.
Pr
h
( 1)
C
i
= Pr(
C
' 1
C
)
Pr
h
( 1)
C
i
= Pr(
C
) + Pr(1
C
) Pr(
C
1
C
)
Pr
h
( 1)
C
i
= Pr(
C
) + Pr(1
C
) Pr(' 1)
C
Pr
h
( 1)
C
i
= 0.60 + 0.40 0.10
Pr
h
( 1)
C
i
= 0.90
7. Se envan 3 ocios a 3 personas diferentes. Sin embargo una secretaria
distrada revuelve los ocios y se puede considerar que los mand al azar. Si
una coincidencia es el hecho de que una persona reciba el ocio correcto, calcule
la probabilidad de que haya:
8. Calcule los siguientes coecientes binomiales C
K
N
:
Si C
K
N
=
:!
/!(: /)!
a) C
2
4
=
4!
2!(4 2)!
=
4!
2! + 2!
= 6
b) C
0
3
=
3!
0!(3 0)!
=
3!
0! + 3!
= 1
c) C
1
3
=
3!
1!(3 1)!
=
3!
1! + 2!
= 3
d) C
2
3
=
3!
2!(3 2)!
=
3!
2! + 1!
= 3
e) C
i
5
, i = 1, ....., 5
i = 1, C
1
5
=
5!
1!(5 1)!
=
5!
1! + 4!
= 5
i = 2, C
2
5
=
5!
2!(5 2)!
=
5!
2! + 3!
= 10
i = 3, C
3
5
=
5!
3!(5 3)!
=
5!
3! + 2!
= 10
i = 4, C
4
5
=
5!
4!(5 4)!
=
5!
4! + 2!
= 5
i = 5, C
5
5
=
5!
5!(5 5)!
=
5!
5! + 0!
= 1
xliv
C
i
5
= 5 + 10 + 10 + 5 + 1 = 31
9. Calcule
K
N
en los siguientes casos:
Si
K
N
=
:!
(: /)!
;
a)
2
4
=
4!
(4 2)!
=
4!
2!
= 12
b)
0
3
=
3!
(3 0)!
=
3!
3!
= 1
c)
2
3
=
3!
(3 2)!
=
3!
1!
= 6
d)
2
6
=
6!
(6 2)!
=
6!
4!
= 30
e)
i
5
, i = 1, ....., 5
i = 1,
1
5
=
5!
(5 1)!
=
5!
4!
= 5
i = 2,
2
5
=
5!
(5 2)!
=
5!
3!
= 20
i = 3,
3
5
=
5!
(5 3)!
=
5!
2!
= 60
i = 4,
4
5
=
5!
(5 4)!
=
5!
1!
= 120
i = 5,
5
5
=
5!
(5 5)!
=
5!
0!
= 120
10. Determine el numero de permutaciones en un conjunto de : elemntos
para:
a) : = 3
3! = 3 + 2 + 1 = 6
/) : = 4
4! = 4 + 3 + 2 + 1 = 24
c) : = 5
5! = 5 + 4 + 3 + 2 + 1 = 120
d) : = 6
6! = 6 + 5 + 4 + 3 + 2 + 1 = 720
0.9. EJERCICIOS 2.5 xlv
11. Determine el nmero de parejas formadas por los elementos de los con-
juntos y 1 si:
a) Card() = 4, Card(1) = 3
Parejas = 4 + 3 = 12
/) Card() = 5, Card(1) = 4
Parejas = 5 + 4 = 20
c) Card() = 8, Card(1) = 5
Parejas = 8 + 5 = 40
d) Card() = 13, Card(1) = 5
Parejas = 13 + 5 = 65
12. Cuntos arreglos se pueden formar con los elemnetos de los conjuntos
cuya cardinalidad se indica:
a) Card() = 4, Card(1) = 2, Card(C) = 5
Arreglo = 4 + 2 + 5 = 40
/) Card() = 5, Card(1) = 7, Card(C) = 4, Card(1) = 5
Arreglo = 5 + 7 + 4 + 5 = 700
13. Cantas parejas se con reposicin pueden formarse con conjuntos cuya
cardinalidad es:
1
k
n
= :
k
a) : = 3
3
2
= 9
b) : = 5
5
2
= 25
c) : = 7
7
2
= 49
14. Forme todas las combinaciones y variaciones que se pueden obtener a
partir de los conjuntos:
a) = a, c, i, o, n en grupos de tres elemntos
Combinaciones Variaciones
C
k
n
=
:!
/!(: /)!

k
n
=
:!
(: /)!
xlvi
C
3
5
=
5!
3!(5 3)!
=
5!
3!(2)!
= 10
3
5
=
5!
(5 3)!
=
5!
2!
=
60
b) = 1, 2, 3, 4, 5, 6 en grupos de tres elemntos
Combinaciones Variaciones
C
k
n
=
:!
/!(: /)!

k
n
=
:!
(: /)!
C
3
6
=
6!
3!(6 3)!
=
6!
3!(3)!
= 20
3
6
=
6!
(6 3)!
=
6!
3!
=
120
15. Para los conjuntos indicados fomre todas las parejas sin reposicin y con
reposicin:
a) = a, c, i, o, n
Con reposicin Sin reposicin
1
k
n
= :
k
C
k
n
=
:!
/!(: /)!
1
2
5
= 5
2
= 25 C
2
5
=
5!
3!(5 2)!
=
5!
2!(3)!
= 10
b) = 1, 2, 3, 4, 5, 6 en grupos de tres elemntos
Con reposicin Sin reposicin
1
k
n
= :
k
C
k
n
=
:!
/!(: /)!
1
2
6
= 6
2
= 36 C
2
6
=
6!
2!(6 2)!
=
6!
2!(4)!
= 15
16. Al almacenar un nmero telefnico una persona olvid las tres ltimas
cifras, recordando que stas son diferentes, las marc al azar. Halle la probabil-
idad de que se haya marcado las crifras correctas
C
3
10
=
10!
3!(10 3)!
=
10!
3!(7)!
= 120
Card() = 10
3
= 1000
0.9. EJERCICIOS 2.5 xlvii
1r() =
120
1000
=
3
25
17. Un comit de direccin de una empresa que consta de 6 gerentes y 4
subgerentes debe elegir un presidente y un vicepresidetne. De cantas maneras
se pueden elegir este par de funcionarios si el presidente debe ser un gerente
18. A un automovilista le levantaron doce infracciones por estacionarse ile-
galmente. Observa que las infracciones fueron hechas en lunes o jueves.
a) Encontrar la probabilidad de este evento:
Pr(1 ' J) = Pr() + Pr(J) Pr(1 J)
Pr(1 ' J) =
1
12
+
1
12
(
1
12
+
1
12
)
Pr(1 ' J) =
1
6

1
144
=
23
144
b) De las 12 infracciones ninguna se le impuso en domingo, es por sto
evidente que la polica no levanta infracciones en domingo?
No, debido a que el automovilista pudo no circular ese dia.
19. Un dispositivo consta de 3 elementos , 1, y C. La probabilidad de que
falle es el dolbe de la de 1, y la probabilidad de que C est funcionando es el
doble que la de . Determinar la probabilidad de que cada uno de los elementos
est funcionando.
20. De entre 9 empleados se deben seleccionar a 3 para viajar a 3 plantas
, 1, y C fuera de la cuidad. Cada empleado ir a una planta. De cuntos
modos diferentes se puede hacer la seleccin de los empleados que viajarn?.
C
3
9
=
:!
/!(: /)!
C
3
9
=
9!
3!(9 3)!
=
9!
3!(6)!
= 84
20.- De entre 9 empleados se debe seleccionar a 3 para viajar a 3 plantas A,
B y C fuera de la ciudad. Cada empleado ira a una planta. De cuantos modos
se puede hacer la seleccion de los empleados que viajarn?
Solucin:

k
n
=
n!
(nk)!
=
3
9
=
9!
6!
= 504
21.- En el ejercicio anterior considerese que los 3 empleados van a ir a la
misma planta. De cuantas maneras se puede hacer la seleccion?
xlviii
Solucin:
C
k
n
=
n!
k!(nk)!
= C
3
9
=
9!
3!6!
= 84
22.- Si en el ejercicio anterior, de los 9 empleados, 7 son hombres. Cul es
la probabilidad de seleccionar exactamente una mujer entre los tres escogidos?
Solucin:
Se ha visto que

9
3

= 84 maneras de seleccionar a 3 empleados de los 9.

Igualmente hay

2
1

modos de seleccionar 1 mujer entre las 2 que se tiene, y

7
2

= 21 maneras de seleccionar 2 hombres de entre los 7 que hay.

Si se hacen al azar las selecciones(es decir, se pueden seleccionar con igual
probabilidad todos los subconjuntos de los 3 empleados), entonces la probabili-
dad de seleccionar exactamente 1 mujer es:
1(:c|cccio:ar cracta:c:tc 1 :n,cr) =
(
2
1
)(
7
2
)
(
9
3
)
=
2(21)
84
=
42
84
= 0.5
23.- La fabrica ensambladora ha determinado que la demanda del auto
Suzuki Forza es igual para cada uno de los colores azul, blanco, verde y rojo. Se
hacen tres pedidos sucesivos de autos de ese modelo. Determine la probabilidad
de que:
Solucin:
Card() = 4
1() = 1(1) = 1(C) = 1(\ ) = 1,4
a) Se pidan uno azul, uno blanco y uno rojo
1 = 3!(1().1(1).1(1))
1 = 6(
1
4
)
3
1 =
3
32
a) Se pidan dos azules
1 = (
1
4
)(
3
4
)(
3
4
)
1 =
9
64
24.- Luego de las pruebas para ocupar un puesto a los 6 aspirantes se les
clasica de acuerdo al puntaje obtenido. Los resultados no llegan al empleador
por lo que l contrata a dos aspirantes al azar. Cul es la probabilidad de que
haya contratado a los dos aspirantes mejor calicados?
Solucin:
1( 1) = 1() 1(1)
1( 1) = (
1
6
)(
1
3
)
0.9. EJERCICIOS 2.5 xlix
1( 1) =
1
18
25. Siete personas han solicitado empleo para llenar dos vacantes. de
cuntos modos se puede llenar las vacantes si:
Solucin:
a) la primera persona seleccionada recibe mayor salario que la segunda?
() = 7
() = 2
Importa el orden de seleccin para la vacante.
\
2
7
= (
7!
(72)!
)
\
2
7
= 42
b) No hay diferencia entre las vacantes?
No importa el orden
No entra todos los elementos
No se repite los elementos
C
2
7
=
n!
k!(nk)!
=
7!
2!(5)!
= 21
26.- Un paquete de 6 focos tiene 2 piezas defectuosas. Si se escogen 3 focos
para su uso, calcule la probabilidad de que ninguno tenga defectos.
Solucin:
1(dc)cctno:o) =
1
3
1(c:coqcr.)oco) =
1
2
1( 1) = 1() + 1(1)
1( 1) = (
1
3
)(
1
2
)
1( 1) =
1
6
27.- En un restaurante de comida rpida se indica al cliente que su hambur-
guesa, a ms del pan y la carne, puede ir con todo lo siguiente o sin ello: salsa
de tomate, mostaza, mayonesa lechuga, cebolla, tomate o queso. Cuntos tipos
de hamburguesas son posibles?
Solucin:
2
n
= 2
7
= 128 /a:/nrqnc:a:
28.- La produccin de una mquina consta de 4 fases. Hay 6 lneas de
montaje para la primera fase, 3 para la segunda, 5 para la tercera, y 5 para la
ltima. Determine de cuntas formas distintas se puede montar la mquina en
este proceso de produccin.
Solucin:
l
Se trata de un Arreglo mltiple que consiste en realizar la primera fase,
seguido de la segunda fase, tercera y cuarta fase con sus respectivas lneas de
montaje
formas de montar la mquina= 6 3 5 5 = 450 )or:a: di)crc:tc:
29. En un plano hay 15 puntos de los cuales no hay tres que sean colineales.
Cuntas rectas determinan?.
Solucin:
Como cada par de ellos determinan una recta, el nmero de ellas que pueden
determinarse por estos 15 puntos es una combinacin donde : : = 15 y / = 2.
C
k
n
=
n!
k!(nk)!
= C
2
15
=
15!
2!13!
= 105 rccta:
30.- Cuntos tringulos determinan los vrtices de un polgono regular de
9 lados?.
Solucin:
Se trata de una combinacin entre el nmero de diagonales que se puede
trazar desde un vrtice (/) y el nmero de lados del polgono (:), entonces
nmero de diagonales desde un vertice es igual a (: 3) donde : es el nmero
de ladosde l polgono, por lo tanto son 6 diagonales de cada vrtices.
La combinacin es C
k
n
=
n!
k!(nk)!
= C
6
9
=
9!
6!3!
= 84 tri a:qn|o:
31.- Una heladera tiene 16 sabores disponibles. De cuntas formas se
pueden pedir 6 helados si:
Solucin:
a) no se elige el mismo sabor ms de una vez?
Se trata de una combinacin donde : = 16 j / = 6
C
k
n
=
n!
k!(nk)!
= C
6
16
=
16!
6!10!
= 8008 )or:a:
b) se puede pedir un mismo sabor hasta 6 veces?
Se trata de una permutacin donde : = 16 j / = 6
1
k
n
= :
k
= 16
16
)or:a:
c) un sabor no se puede pedir ms de 5 veces?
0.9. EJERCICIOS 2.5 li
: = 16 j / = 5 (: 1):
k
= 15 + 16
6
; se puede pedir 15 16
6
formas
d) la mitad debe ser de fresa?
Se trata de una permutacin donde : = 15 j / = 6,2
1
k
n
= :
k
= 15
3
= 3375 )or:a:
32.- Un entrenador de ftbol debe seleccionar a 11 jugadores de entre los
que haba convocado anteriormente para la concentracin. si puede hacer una
seleccin de 12 376 maneras . cuntos jugadores estuvieron presentes en la
concentracin? ( Se supone que ningn jugador tiene un puesto jo de juego.)
Solucin:
C
11
n
=
n!
k!(nk)!
= 12376
n!
11!(n11)!
= 12376
: = 17
33.- En un lenguaje de computacion Pascal, un identicador consta de una
letra, o de una letra seguida de hasta siete simbolos, que pueden ser letras o
dgitos. (En este lenguaje son indistinguibles las letras mayusculas y minusculas,
hay 26 letras y 10 dgitos). Cuntos identicadores diferentes se pueden utilizar
en un lenguaje de computacin?
Solucin:
26 |ctra: + 10 diqito: = 36
26(36
0
+36
1
+36
2
+36
3
+36
4
+36
5
+36
6
+36
7
) = 26
P
7
i=0
36
i
= 2, 09610
12
34.- En cualquier set de un partido de tenis, el oponente X puede vencer al
oponente Y de siete maneras. (Con el marcador 6-6, se juega un desempate: tie
breaker). El primer tenista que gane tres sets obtiene la victoria. De cuntas
maneras se pueden registrar los resultados si:
Solucin:
a) X gana en cinco sets?;
7 posibilidades de ganar, si X gana en 5 sets 4 7
5
= 67228
b) para ganar el partido se necesita jugar como minimo tres sets?
7
3
+ 3 7
4
+ 4 7
5
= 74774
lii
35.- Entre 100 artculos de un lote hay 5 defectuosos. Halle la probabilidad de
que entre 10 articulos escogidos al zar, no se tenga ms de un artculo defectuoso.
Solucin:
1(r =< 1) = 1(r = 0) +1(r = 1)
=
C
0
10
C
10
90
C
10
100
+
C
1
10
C
9
90
C
10
100
=
C
0
10
C
10
90
+ C
1
10
C
9
90
C
10
100
= 0, 73847
36.- Un distribuidor de electrodomsticos recibe un envi de 20 planchas,
de las cuales hay 3 defectuosas. Para conocer si el lote esta bueno prueba 6
aparatos. El distribuidor aceptar el lote si encuentra a lo mas un aparato
defectuoso entre los probados. Cul es la probabilidad de rechazar el envi?
Solucin:
1("rcc/a.a c| c:io") = 1 1("ajrnc/c c| jcdido")
= 1 1(r =< 1)
= 1 (1(r = 0) +1(r = 1))
= 1
h
C
0
3
C
6
17
C
6
20
+
C
1
3
C
5
17
C
6
20
i
= 1 [0, 31929 + 0, 47897]
= 1 0, 79826
= 0, 20174
37.- Tres boletos ganadores son extraidos de una nfora que contiene 100
boletos. Cul es la probabilidad de que gane una persona que compr?
Solucin:
100 boletos 3 boletos ganadores
a) 4 boletos?;
1("jor 1 /o|cto"o "jor 2 /o|cto"o "jor 3 /o|cto")
= 1(r = 1) +1(r = 2) +1(r = 3)
=
C
1
4
C
2
96
C
3
100
+
C
2
4
C
1
96
C
3
100
+
C
3
4
C
0
96
C
3
100
= 0, 11280 + 0, 00356 + 0, 000023
= 0.11656
1("qa:c") = 1 1(":o qa:c")
= 1 1("r = 0")
= 1
C
0
4
C
3
96
C
3
100
= 1 0, 88361
= 0.11639
0.9. EJERCICIOS 2.5 liii
b) solo un boleto?;
1(r = 2) =
C
1
1
C
2
99
C
3
100
= 0.03
1("r qa:c") = 1 1(":o qa:c")
= 1 1(r = 0)
= 1
C
0
1
C
3
99
C
3
100
= 0.03
38.- Entre las 80 bombas de gasolina que hay en una ciudad, 10 entregan una
cantidad de menor que la que el cliente compra. Un inspector de la direccin de
Hidrocarburos visita aleatoriamente cinco de ellas para vericar si la cantidad
vendida es correcta. Cul es la probabilidad de que descubra al menos una
fraudulenta?.
Solucin:
80 servicio
10 entregan una cantidad menor que la que el cliente compra
5 son visitadas
Cual es la probabilidad P de que encuentre al menos una de ellos?
1(jro/a/i|idad dc a| :c:o: n:o dc c||o:") = 1 1(r < 1)
= 1 1(r = 0)
=
C
0
10
C
5
70
C
5
80
= 0.50345
39.- En el juego del "Cuarenta" se reparten 5 cartas, al azar, a cada jugador,
a partir de un mazo de 40 cartas. Cul es la probabilidad de que un jugador
tenga:?
Solucin:
# = C
5
40
= 658008
a) un as, un dos, un tres, un uatro y un cinco, del mismo palo?
1() =
4
#
1() =
4
658008
1() = 6.078 10
6
b) a cartas del mismo palo?
1(1) =
30C
4
10
#
1(1) =
6300
658008
1(1) = 9.5743 10
3
c) una "ronda" es decir, 3 cartas de la misma denominacion (as,dos,etc)?
liv
1(C) =
40C
2
36
#
1(C) =
25200
658008
1(C) = 0.03829
40) En un closet hay 6 pares de zapatos. Se escogen 4 zapatos al azar.
Encuentre la probabilidad de que haya por lo menos un par de zapatos entre los
4 zapatos escogidos.
6 Pares de zapatos

12 zapatos == escogo 4 zapatos

C
3
6
Los pares totales que se pueden formar
C
3
4
Los pares que se puedeb}n formar apartir del total
1(j) =
C
3
6
C
3
4
1(j) =
4
20
1(j) =
1
5
41) En los paise europeos existe una forma muy popular de lotera, llamada
Lorro, que consiste en seleccionar 6 nmeros de una cartilla que contiene 44
nmeros. (del 1 al 44) El dia del sorteo se seleccionan 6 bolas al azar y sin
reposicin. Una persona gana el
premio principal si los 6 nmeros sorteados coinciden con los seleccionados;
tambien se puede ganar premios si 4 o 5 nmeros sorteados coinciden. Determine
la probabilidad de:
a) ganar el premio principal.
b) ganar al menos un premio
Bolas (1-44)
6 Bolas Ganadoras
P(A)= "Ganar el primer premio"
P(B)="Ganar el segundo premio"
1 =
C
6
6
C
0
38
C
6
44
=
11
C
6
44
=
1
7059052
b)
Pr(C)="Ganar al menos uno de los dos premios"
1(C) = 1() +1(1)
1(C) =
C
6
6
C
0
38
+C
5
6
C
1
38
+C
4
6
C
2
38
C
6
44
1(C) =
15703+638+11
C
6
44
1(C) =
10545+228+1
C
6
44
1(C) =
10774
7059052
1(C) = 0.001526
0.10. EJERCICIOS 2.8 lv
42) El ensamblaje de una tarjeta elctronica consta de 4 pasos que pueden
realizarse en cualquier orden. El fabricante desea comparar de forma experi-
mental los tiempos de ensamblaje para cada combinacin posible de los pasos.
Cuntos ensayos deber
realizar en el experimento?.
4 Pasos
4! = 24
Tendria que realizar 24 ensayos
43) En la calidad nal de un cake se identican 3 factores de incidencia: la
cantidad de harina, que tiene dos niveles 150g. y 170g., la cantidad de levadura,
que tiene dos niveles 10g. y 15g. y la temperatura de horneado, que tiene tres
niveles: 170
o
C, 200
o
C y
220
o
C. Cuntos cakes se deberan hornear para cubrir todas las variaciones
posibles de los factores de los factores que inciden en la calidad del cake?.
Tenemos 3 factores
a= harina == 2 niveles
b= harina == 2 niveles
c= harina == 3 niveles
a / c = 2 2 3
Se deberian hornear 12 cakes
0.9.1
0.10 Ejercicios 2.8
1. Sean y 1 dos eventos con Pr() ,= 0 y Pr(1) ,= 0. Demuestre que
Pr( 1) = Pr(1) Pr([1) = Pr() Pr(1[)
Pr( 1) = Pr(1)
Pr(A \B)
Pr(B)
= Pr ()
Pr(B\A)
Pr(A)
Pr( 1) = Pr( 1) = Pr( 1)
2. Demuestre que si y 1 son eventos independientes y si _ 1 entonces,
o Pr(1) = 1 o Pr() = 0
lvi
Si y 1 son independientes entonces quiere decir que:
Hiptesis:
Pr(1) = Pr()+Pr(1) y _ 1
Pr( 1)
C
= 1 Pr( 1)
Pr(
C
' 1
C
) = 1 Pr( 1)
Pr(
C
) + Pr(1
C
) Pr(
C
1
C
) = 1 Pr( 1)
Pr(
C
)+Pr(1
C
) = 1Pr(1) (Debido a que
_ 1, Pr(
C
1
C
) = 0)
1Pr()+1Pr(1) = 1Pr()+Pr(1) (Reemplazo
de la Hiptesis)
Pr() + Pr(1) Pr() Pr(1) + 1 = 0
Pr() + Pr(1) [1 Pr(1)] Pr(1) + 1 = 0
2 2 Pr(1) = 0
2[1 Pr(1)] = 0
1 Pr(1) = 0
Pr(1) = 1
3. En un crculo de 20cm de radio se encuentra un crculo menor de radio
10cm. Halle la probabilidad de que un punto marcado al azar en el crculo
mayor caiga tambin en el crculo menor.
Pr =
(10)
2
(20)
2
Pr =
314:16
1256:64
Pr = 0.25
4. Sea = (r, j) ,0 _ r _ 1; 0 _ j _ 1 el espacio muestral de un
fenmeno aleatorio. Calcule la probabilidad de los eventos .
a) = (r, j) ,0 _ r _ 1; 0 _ j _ 1,2
b) 1 = el tringulo limitado por las rectas r = 0; j = 0; j = 1 r
c) Son independientes los eventos y 1 ?
Vericamos si son independientes
Pr( 1) = Pr( ) Pr(1)
1
2
=
1
2

1
2
1
2
,=
1
4
No son independientes
Pr( ) =
area de A
area de
=
(
1
2
)(1)
(1)(1)
=
1
2
1
=
1
2
Pr(1) =
area de B
area de
=
(
11
2
)
(1)(1)
=
1
2
1
=
1
2
5. Supngase que un punto es elegido aleatoriamente en el cuadrado unitario.
Si se conoce que el punto est en el rectngulo limitado por j = 0, j = 1, r = 0,
0.10. EJERCICIOS 2.8 lvii
y r =
1
2
. Cul es la probabilidad de que el punto est en el tringulo limitado
por j =
1
2
, r =
1
2
y j +r =
1
2
?
Pr( ) =
area de
area de
Pr( ) =

1
2

1
2
2

1
1
2
Pr( ) =

1
4
2

1
2
Pr( ) =
1
8
1
2
Pr( ) =
1
4
6.En el cuadrado unidad se consideran los siguientes evento:
: El tringulo limitado por r = 0, j = 1, j = r +
1
3
-2 -1 1 2
-2
-1
1
2
x
y
A
1 : El tringulo limitado por r = 0, j = 0, j = 1 r
lviii
-2 -1 1 2
-2
-1
1
2
x
y
a) Halle Pr(1 ), Pr(1 [ ) y Pr(' 1
C
)
0.10. EJERCICIOS 2.8 lix
rea de =
(0.66) + (0.3)
2
= 0.099
rea de 1 =
(1) + (1)
2
= 0.5
Entonces,
Pr(1 ) = (0.5 (0.5 + 0.099)) 0.099 = 0.351 5
Pr(1 [ ) =
Pr(1 )
Pr()
Pr(1 [ ) =
0.5 + 0.099
0.099
= 0.5
Pr(' 1
C
) = 0.099 + (0.099 (0.099 + 0.5)) = 0.148 5
b) Pruebe si A y B son independientes:
Si lo son ya que si pasa el evento A, pasa el tambien pasa el evento B
7. Se tiene un grco que representa la funcin trigonomtrica seno, limitada
por lar rectas r = ,2, r = ,2, j = 1, j = 1. Sobre el grco cae una gota
de tinta. Cul es la probabilidad de que la gota de agua de tinta haya cado
dentro del rea comprendida
entre el eje r y la curva j = :c: r ?.
(Observacin: Suponga que el rea de la mancha de tinta es despreciable.)
1 = 1
C = 1 :c:r
lx
1() = (41 21) + (21 :c:r)
1() = 41 :c:r
8. Se lanzan dos dados cal es la probabilidad de que en los dos dados salga
el 3, si se sabe que la suma es 6?.
Pr ("primer dado salga 3" y "segundo dado salga 3" [ "la suma es 6")
= (1, 5) (5, 1) (2, 4) (4, 2) (3, 3)
1 = 3, 3
1
36
Pr(1[) =
Pr(B\A)
Pr(A)
=
1
36
5
36
=
1
5
9. Para cierta localidad el promedio de dias nublados en el mes de julio es de
seis. Halle la probabilidad de que el primero y el dos de julio haga buen tiempo.
P=("Dias"Nublados) DiasdeJuilio=31
= 1, 2, 3, ..., 31
P(A) = Dias buen tiempo
6
36
P(B) = 1 y 2 sea buen tiempo
1(1 [ ) =
P(B\A)
P(A)
=
1
930
6
31
=
2
31
10. En una biblioteca hay 8 libros de literatura de ciencia ccin, 3 de los
cuales son de Julio Verne.
La biblioteca toma al azar dos libros. Determine la probabilidad de que
ambos resulten ser de Julio Verne
8 Libros ==3 de Julio Verne
Pr( 1) =
3
8
+
1
4
=
3
32
11) Supongase que el 5% de todos los hombres y el 0.25% de todas las mujeres
sufren daltonismo. Una persona escogida al azar resulta ser dltonica .Cul es
la probabilidad de que esta persona se un hombre?.(Se considera que la cantidad
de hombres y
mujere es igual?
Hombres ==50% ==0,5 P(B1) = "Sea hom-
bre"
Mujeres ==50% ==0,5 P(B2) = "Sea mu-
jer"
0.10. EJERCICIOS 2.8 lxi
A= "La persona escogida es daltonica"
Debemos encontrar aplicando el teorme da Bayes
1(1 [ )
1(1 [ ) =
P(B1)P(AjB1)
P(B1)P(AjB1)+P(B2)P(AjB2)
=
(0:5):(0:5)
(0:5):(0:5)+(0:5):(0:25)
=
0:025
0:025+0:00125
= 0.95
12) Un inspector debe seleccionar a un trabajador de entre 4 aspirantes
numerados del 1 al 4. La seleccion la lleva a cabo mezclando los nmeros y
tomando uno al azar. Sean el evento "se selecciona al trabajador 1 o al 2";
1, el evento "se selecciona al
trabajador 1 o al 3"; y C, el evento "se selecciona el trabajador 1". Son
independientes: a) y 1? b) y C?
P(A) = "Seleccionar al trabajador 1 o 2" 1() =
1
2
P(B) = "Seleccionar al trabajador 1 o 3" 1() =
1
2
P(C) = "Seleccionar al trabajador 1" 1() =
1
4
Calcularemos si son independientes:
1(1) = 1()1(1) 1(1) = 1()1(1)
1
4
=
1
2

1
2
1
4
=
1
2

1
4
1
4
=
1
4
1
4
=
1
8
Se cumpple la condicion entonces Se cumpple la condicion
entonces
A y B son independientes A y B no son
independientes
13)La empresa de correos ha determinado que el 10% de los paquetes envia-
dos al exterior no llegan a su destino. Dos libros pueden enviarse separadamente
o en un solo paquete. Para cada una de las dos formas de envio postal, encuen-
tre:
a) la probabilidad de que ambos libros lleguen a su destino
b) la probabilidad de que al menos un libro llegue a su destino.
14. En una exhibicin de arte hay 12 pinturas de las cuales 10 son originales.
Un visitante selecciona una pintura al azar y decide comprala despus de es-
cuchar la opinin del experto sobre la autenticidad de la pintura. El experto
est en lo correcto 9 de cada 10
casos, en promedio.
a) Dado que el experto decide que la pintura es autntica, Cal es la prob-
abilidad de que l no se equivoque?
1r( 1) =
10
12
+
9
10
=
3
4
= 0.75
lxii
b) Si el experto decide que la pitura es una copia, entoces el visitante la
devuelve y escoge otra, Cal es la probabilidad de que la segunda pintura
escogida sea la original?
Pr(1 [ ) =
Pr(1 )
Pr()
15) Una prueba para detectar el virus del SIDA en la sangre da el diagnostico
correcto con una probabilidad del 95%. Segn datos estadisticos, uno de cada
2000 ecuatorianos en promedio, es portador del virus. Dado que la prueba fue
positiva para una persona,
Cul es la probabilidad de que ella realmente tenga la enfermedad?
B1="Lapersona tiene sida"
1
2000
B1="Lapersona tiene sida"
1999
2000
A= "Prueba positiva"
Debo Hallar 1(1 [ )
1(1 [ ) =
P(B1)P(AjB1)
P(B1)P(AjB1)+P(B2)P(AjB2)
=
(
1
2000
):(0:95)
(
1
2000
):(0:95)+(
1999
2000
):(0:05)
=
19
2018
0.10.1 Ejercisio de Probabilidades de geometria:
Interpretacin Geomtrica de la Probabilidad
1) Un cable de 50 cm de longitud tiene desgatado un segmento de 15 cm.
Halle la probabilidad de que el cable se rompa en un punto ubicado en el seg-
mento desgastado
La probabilidad de que el cable se rompa en el segmento desgastado es de
3
10
0.10. EJERCICIOS 2.8 lxiii
5) Dentro de un semicirculo de radio igual a 17cm, se encuentra un paralel-
ogramo de base 16 cm y altura 9 cm. Si marca un punto, al azar, dentro del
semicirculo. Cul es la probabilidad de que el pnto no se encuentre dentro
del paralelogramo?
La probabilidad de que el pnto no se encuentre dentro del paralelogramo
es
288
289
9) Encuentre la probabilidad de que un putno marcado en el interior del
cuadrado, tambien se hallle en el rea sombreada. (Figura 5.1)
La Probabilidad de que un punto marcado este dentro del rea sombreada
es
3
8
13) En el cuadrado unidad se unieron os puntos (0,0), (1/2,1) y (1,0) medi-
ante tres rectas, de manera que se form un triangulo. Se marc aleatoriamente
un punto dentro del cuadrado, Cual es la probabilidad de que se encuentre
dentro del cuadrado limitado por las rectas r =
1
2
, A = 1, j = 0, 1 =
1
2
, si se
conoce que se encuntra en el interior del tirngulo formado anteriormente?
La probabilidad de que el punto se encuentre dentro del cuadrado es
3
4
lxiv
0.10. EJERCICIOS 2.8 lxv
17) Dentro del cuadrado unidad se denen los eventos:
* A: el paralelogramo limitado por las rectas r = 0, j = 0, A = 1, 2r
4j + 1 = 0
* B: el tringulo limitado por las rectas j = 0, r = 1, 3r 2j = 1
* C: el rectangulo cutos vrtices son los puntos (0, 0), (0, 1,2), (1, 1,2), (1, 0)
Halle:
a) Pr( 1),Pr(1 [ C), Pr(1 C)
b)Son independientes, dos a dos, los eventos A,B y C?
a) La Pr( 1) =
11
48
, la Pr(1 [ C) =
3
4
, laPr(1 C) =
29
48
b) Pr( 1 C) ,=Pr() Pr (1) Pr (C)
Los eventos A, B y C no son independientes
21) Dentro de un cuadrado se trazan los arcos como se muestra en la Figura
5.5.
Se marca un punto al azar dentro del cuadrado y se dene los eventos
*S. el punto se encuentra en el tringulo curvilineo ABD
lxvi
*T: el punto se encuentra en el tringulo ractangulo ADC
Hale
a) Pr(o) y Pr (T)
b)Pr(o [ T) , Pr (T [ o) ,y Pr (o T)
c)Son independiente S y T?
a) La probabilidad de Pr(o) =

8
y la probabilidad Pr (T) =
1
2
b) La probabilidad de Pr(o [ T) =

8
+
1
4
,la probabilidad Pr (T [ o) =
1
2
+
1

, y la probabilidad Pr (T o) =

16

1
8
Part IV
Vocabulario:
lxvii
0.11. PROBABILIDAD: lxix
0.11 Probabilidad:
La probabilidad es un mtodo mediante el cual se obtiene la frecuencia de un
suceso determinado mediante la realizacin de un experimento aleatorio, del
que se conocen todos los resultados posibles, bajo condiciones sucientemente
estables. La teora de la
probabilidad se usa extensamente en reas como la estadstica, la fsica, la
matemtica, las ciencias y la losofa para sacar conclusiones sobre la prob-
abilidad discreta de sucesos potenciales y la mecnica subyacente discreta de
sistemas complejos.
0.12 Experimentos:
Un experimento es un procedimiento mediante el cual se trata de comprobar
(conrmar o vericar) una o varias hiptesis relacionadas con un determinado
fenmeno, mediante la manipulacin y el estudio de las correlaciones de la(s)
variables que
presumiblemente son su causa.
La experimentacin constituye uno de los elementos claves de la investigacin
cientca y es fundamental para ofrecer explicaciones causales.
En un experimento se consideran todas las variables relevantes que inter-
vienen en el fenmeno, mediante la manipulacin de las que presumiblemente
son su causa, el control de las variables extraas y la aleatorizacin de las
restantes. Estos procedimientos
pueden variar mucho segn las disciplinas (no es igual en fsica que en psi-
cologa, por ejemplo), pero persiguen el mismo objetivo: excluir explicaciones
alternativas (diferentes a la variable manipulada) en la explicacin de los resul-
tados. Este aspecto se conoce
como validez interna del experimento, la cual aumenta cuando el experimento
es replicado por otros investigadores y se obtienen los mismos resultados. Cada
repeticin del experimento se llama prueba o ensayo.
0.13 Aleatorios:
La aleatoriedad se asocia a todo proceso cuyo resultado no es previsible ms que
en razn de la intervencin del azar. El resultado de todo suceso aleatorio no
puede determinarse en ningn caso antes de que este se produzca. El estudio
de los fenmenos
aleatorios queda dentro del mbito de la teora de la probabilidad y, en un
marco ms amplio, en el de la estadstica.
La palabra aleatorio se usa para expresar una aparente carencia de propsito,
causa, u orden. El trmino aleatoriedad se usa a menudo como sinnimo con
lxx
un nmero de propiedades estadsticas medibles, tales como la carencia de ten-
dencias o correlacin.
La aleatoriedad ocupa un lugar importante en la ciencia y la losofa.
0.14 Combinatorio:
La combinatoria es una rama de la matemtica perteneciente al rea de matemti-
cas discretas que estudia la enumeracin, construccin y existencia de propiedades
de conguraciones que satisfacen ciertas condiciones establecidas.
0.15 Interpretacion:
La interpretacin es el hecho de que un contenido material, ya dado e indepen-
diente del intrprete, sea comprendido o traducido a una nueva forma de
expresin. Dicho concepto est muy relacionado con la hermenutica.
La condicin bsica de una interpretacin es ser el de alguna manera
especicada al contenido original del objeto interpretado.1
Para Gadamer el lenguaje2 es el medio universal en el que se realiza la com-
prensin misma. La forma de realizacin de la comprensin es la interpretacin.3
La relacin intrprete-interpretacin se considera compleja y cada caso re-
sponde a muy variadas nalidades, condiciones y situaciones, lo que plantea
multitud de cuestiones y problemas.
Los problemas de interpretacin se entienden mejor si se especica el con-
texto o marco en el que se hace dicha interpretacin. Por ejemplo no existen los
mismos problemas en la interpretacin de unas observaciones cientcas, que en
la interpretacin de
algunos aspectos culturales. Dada la variedad de campos en los que aparece
la necesidad de interpretacin, parece necesario hacer una clasicacin de m-
bitos fundamentales de interpretacin. En artculos independientes se tratan
diversos contenidos
especcos de interpretacin, como se seala en Interpretacin (desambiguacin).
0.16 Varianza:
En teora de probabilidad, la varianza (que suele representarse como:iq:a^2)
de una variable aleatoria es una medida de dispersin denida como la esperanza
del cuadrado de la desviacin de dicha variable respecto a su media.
Est medida en unidades distintas de las de la variable. Por ejemplo, si
la variable mide una distancia en metros, la varianza se expresa en metros al
cuadrado. La desviacin estndar, es la raz cuadrada de la varianza, es una
medida de dispersin alternativa
expresada en las mismas unidades de los datos de la variable objeto de
estudio. La varianza tiene como valor mnimo 0.
0.17. ESPERANZA: lxxi
Hay que tener en cuenta que la varianza puede verse muy inuida por los
valores atpicos y no se aconseja su uso cuando las distribuciones de las variables
aleatorias tienen colas pesadas. En tales casos se recomienda el uso de otras
medidas de dispersin ms
robustas.
El trmino varianza fue acuado por Ronald Fisher en un artculo de 1918
titulado The Correlation Between Relatives on the Supposition of Mendelian
Inheritance.
0.17 Esperanza:
En estadstica la esperanza matemtica (tambin llamada esperanza, valor es-
perado, media poblacional o media) de una variable aleatoria X , es el nmero
operatorname{E}(X) que formaliza la idea de valor medio de un fenmeno
aleatorio.
Cuando la variable aleatoria es discreta, la esperanza es igual a la suma de
la probabilidad de cada posible suceso aleatorio multiplicado por el valor de
dicho suceso. Por lo tanto, representa la cantidad media que se "espera" como
resultado de un experimento
aleatorio cuando la probabilidad de cada suceso se mantiene constante y el
experimento se repite un elevado nmero de veces. Cabe decir que el valor que
toma la esperanza matemtica en algunos casos puede no ser "esperado" en el
sentido ms general de la
palabra - el valor de la esperanza puede ser improbable o incluso imposible.
Por ejemplo, el valor esperado cuando tiramos un dado equilibrado de 6
caras es 3,5. Podemos hacer el clculo y cabe destacar que 3,5 no es un valor
posible al rodar el dado. En este caso, en el que todos los sucesos son de igual
probabilidad, la esperanza es
igual a la media aritmtica.
0.18 Variables Cualitativas:
Son las variables que expresan distintas cualidades, caractersticas o modali-
dad. Cada modalidad que se presenta se denomina atributo o categora y la
medicin consiste en una clasicacin de dichos atributos. Las variables cuali-
tativas pueden ser dicotmicas
cuando slo pueden tomar dos valores posibles como s y no, hombre y mujer
o son politmicas cuando pueden adquirir tres o ms valores. Dentro de ellas
podemos distinguir:
Variable cualitativa ordinal o variable cuasicuantitativa: La variable puede
tomar distintos valores ordenados siguiendo una escala establecida, aunque no
es necesario que el intervalo entre mediciones sea uniforme, por ejemplo: leve,
moderado, fuerte.
lxxii
Variable cualitativa nominal: En esta variable los valores no pueden ser
sometidos a un criterio de orden como por ejemplo los colores.
0.19 Variables cuantitativas
Son las variables que se expresan mediante cantidades numricas. Las variables
cuantitativas adems pueden ser:
Variable discreta : Es la variable que presenta separaciones o interrupciones
en la escala de valores que puede tomar. Estas separaciones o interrupciones in-
dican la ausencia de valores entre los distintos valores especcos que la variable
pueda asumir.
Ejemplo: El nmero de hijos (1, 2, 3, 4, 5).
Variable continua: Es la variable que puede adquirir cualquier valor dentro
de un intervalo especicado de valores. Por ejemplo la masa (2,3 kg, 2,4 kg, 2,5
kg,...) o la altura (1,64 m, 1,65 m, 1,66 m,...), o el salario. Solamente se est
limitado por la precisin del
aparato medidor, en teora permiten que exista un valor entre dos variables.
0.20 Variables independientes
Son las que el investigador escoge para establecer agrupaciones en el estudio,
clasicando intrnsecamente a los casos del mismo. Un tipo especial son las
variables de control, que modican al resto de las variables independientes y
que de no tenerse en cuenta
adecuadamente pueden alterar los resultados por medio de un sesgo.
Es aquella caracterstica o propiedad que se supone ser la causa del fen-
meno estudiado. En investigacin experimental se llama as a la variable que el
investigador manipula.
0.21 Variables dependientes
Son las variables de respuesta que se observan en el estudio y que podran estar
inuidas por los valores de las variables independientes.
Hayman (1974 : 69) la dene como propiedad o caracterstica que se trata
de cambiar mediante la manipulacin de la variable independiente.
La variable dependiente es el factor que es observado y medido para deter-
minar el efecto de la variable independiente.
0.22 Concepto de Probabilidades
La probabilidad de un evento se denota con la letra p y se expresa en trminos
de una fraccin y no en porcentajes, por lo que el valor de p cae entre 0 y 1. Por
0.23. REGLA DE LA ADICIN lxxiii
otra parte, la probabilidad de que un evento "no ocurra" equivale a 1 menos el
valor de p y se denota con
la letra q:
1(Q) =
1 1(1)
Los tres mtodos para calcular las probabilidades son la regla de la adicin,
la regla de la multiplicacin y la distribucin binomial.
0.23 Regla de la adicin
La regla de la adicin o regla de la suma establece que la probabilidad de ocur-
rencia de cualquier evento en particular es igual a la suma de las probabilidades
individuales, si es que los eventos son mutuamente excluyentes, es decir, que
dos no pueden ocurrir al
mismo tiempo.
1(o1) = 1()l1(1) = 1()+1(1) si A y B son mutuamente excluyente.1(o1) =
1()+1(1)1(j1):ij1 son no excluyentes. Siendo: P(A) = probabilidad
de ocurrencia del evento A. P(B) = probabilidad de ocurrencia del evento B.
P(A y B) = probabilidad de
ocurrencia simultanea de los eventos A y B.
0.24 Regla de la multiplicacin
La regla de la multiplicacin establece que la probabilidad de ocurrencia de
dos o ms eventos estadsticamente independientes es igual al producto de sus
probabilidades individuales.
1(j1) = 1(1) = 1()1(1) si A y B son independientes. 1(j1) =
1(1) = 1()1(1[) si A y B son dependientes.